KEEL · 龙骨 · A CURRICULUM FOR THE AI ERA

06 · 内容与内链：收录之后怎么变好 — keel 龙骨

本章目标：让每个页面有清晰主题、被内链支撑、并按节奏更新。 验收标准：站点没有"孤儿页面"，每个内容页至少有 3 条内链指入，且更新能体现在 sitemap 的 lastmod。

本章目标：让每个页面有清晰主题、被内链支撑、并按节奏更新。
验收标准：站点没有"孤儿页面"，每个内容页至少有 3 条内链指入，且更新能体现在 sitemap 的 lastmod。

前提：这一章生效的前提是前五章已经做完。未收录时优化内容，等于在没人看的房间里重新摆家具。

一、一个页面一个主题

搜索引擎理解页面的基本单位是「这个页面在讲什么」。判断标准很简单：

这个页面的 title 能不能用一句话说清它独有的内容？

如果三个页面的 title 都能套同一句话，它们就该合并。

内容型站点的常见结构（本站采用）

首页（WebSite）
 └─ 板块页 /tracks/<track>/          → 讲这个板块解决什么问题
     └─ 课程页 /courses/<course>/    → 讲这门课的产出与章节结构
         └─ 章节页 /courses/<course>/lessons/<n>/   → 讲一个具体问题

每一层都有自己的 title 与 description，不是上层的复制。这样既避免重复内容，也让爬虫通过结构理解层级关系（配合第 02 章的 BreadcrumbList）。

正文的可抓取性细节

• 标题层级要真实：一个 h1（页面主题），h2/h3 分段。用样式放大字号冒充标题没有语义价值
• 锚点目录要有真实 href：爬虫会顺着锚点理解页面结构，也能生成搜索结果里的"跳转至"链接
• 代码块与表格不影响收录，但注意不要把长正文塞进图片——图片里的文字爬虫读不到

⚠️ 一个真实踩过的坑：把内容放在需要登录才能访问的区域，搜索引擎永远看不到。本站的做法是把公开内容与付费内容分开构建（split-private-content），公开部分的 sitemap 只含公开 URL，私密章节不进 sitemap 也不预渲染。

二、内链：最重要的可控因素

外链你控制不了，内链完全在你手里。 内链同时解决三件事：让爬虫发现页面、传递权重、告诉搜索引擎页面的层级关系。

三条规则

1. 不要有孤儿页面
任何进了 sitemap 的页面，都必须能从站点内部点进去。检查方法：

# 从首页出发做一次简单爬取，收集内链，与 sitemap 比对
curl -s https://www.xxxxxx.cn/learning/ \
  | grep -oE 'href="/learning/[^"]*"' | sed 's/href="//;s/"//' | sort -u > /tmp/linked.txt

curl -s https://www.xxxxxx.cn/learning/sitemap.xml \
  | grep -o '<loc>[^<]*</loc>' | sed 's/<[^>]*>//g' | sort -u > /tmp/sitemap.txt

# 在 sitemap 里但首页链不到的（首层发现不了，需要更深爬取或补内链）
comm -13 /tmp/linked.txt /tmp/sitemap.txt | head

上面只爬了首页一层，深层页面靠列表页与章节导航逐级可达即可。真正要防的是完全没有任何入口的页面。

2. 用描述性锚文本

<!-- ❌ -->
<a href="/learning/courses/tools/">点击这里</a>
<!-- ✅ -->
<a href="/learning/courses/tools/">Tool Calling：工具注册与幂等执行</a>

锚文本是搜索引擎理解目标页面内容的强信号。"点击这里"是零信息。

3. 关键页面多入口
重要的内容页应该出现在：所属列表页 + 相关章节的"延伸阅读" + 首页/板块页的推荐位。入口越多，被抓频率越高。

相关链接的实现

本站的做法是在内容源里维护「前置关系」：

{
  "id": "tool-calling",
  "prerequisites": ["agent-harness"]
}

构建时把它渲染成双向链接（前置 → 本章，本章 → 后继）。好处是内容与关系同源，不会出现在 A 页加了链接、B 页忘了的漂移。

三、更新节奏与 lastmod

搜索引擎偏好"活着"的站点。两个可操作点：

1. 更新要真实体现在 lastmod

# 内容变更后重新生成 sitemap，确认对应 URL 的 lastmod 变了
curl -s https://www.xxxxxx.cn/learning/sitemap.xml | grep -A1 'lessons/1' | grep lastmod

虚假的 lastmod（每次构建全量刷新）会让这个字段失去意义，爬虫会更频繁地白跑。只更新真正变了的条目。

2. 保持稳定的更新频率

不需要日更。对内容型站点，每周 1~2 次有意义的内容更新远好于每天改一个错别字。爬虫会学习站点的更新节奏并相应调整抓取频率——长期不更新会被降频，恢复需要时间。

四、质量信号：E-E-A-T 的落地理解

Google 的质量评估框架强调 Experience / Expertise / Authoritativeness / Trustworthiness。对个人站点，可操作的部分其实很朴素：

反面清单（会实实在在扣分）：

• 关键词堆砌（同一词在 title/description/正文反复出现）
• 采集/翻译他人内容拼装
• 页面正文极少但广告/外链极多
• 用隐藏文字（白字白底）塞关键词
• 大量近义重复页面（programmatic 生成的空壳页）

五、面向 AI 摘要的写作（新变量）

AI 回答越来越成为内容的入口。被 AI 引用的前提通常是：内容能被独立摘出一段回答某个问题。

可操作的三点：

1. 每节有小标题且是问题式表述（"为什么爬虫抓不到正文？"比"抓取原理"更易被摘取）
2. 关键结论前置：段落首句给出答案，后面再展开论证
3. 结构化表达：表格、清单、代码块，比大段散文更容易被解析

这三点与传统 SEO 并不冲突——它们本质上都是"让内容更容易被机器理解"。

六、本章验收

# 1. 孤儿页面检查（首页可发现性）
comm -13 /tmp/linked.txt /tmp/sitemap.txt | wc -l

# 2. 抽查内链是否可访问
curl -s https://www.xxxxxx.cn/learning/courses/tools/ \
  | grep -oE 'href="/learning/[^"]*"' | sed 's/href="//;s/"//' | sort -u \
  | while read -r p; do printf "%s " "$(curl -s -o /dev/null -w '%{http_code}' "https://www.xxxxxx.cn$p")"; echo "$p"; done \
  | grep -v '^200' || echo "全部 200"

# 3. lastmod 是否反映真实更新
curl -s https://www.xxxxxx.cn/learning/sitemap.xml | grep -c '<lastmod>'

• 无孤儿页面（sitemap 中的每一条都能从站内导航到达）
• 内链锚文本是描述性的
• 抽样内链全部返回 200（无死链）
• 重点页面有 3 个以上入口
• lastmod 只在内容真正变化时更新
• 正文有真实标题层级、结论前置、结构化表达

下一章处理最后一个影响排名的可控因素：性能。

进入 keel 阅读